Как работают инструменты для заточки? - Фотопедия
2 голосов
/

Буду краток: Как инструменты для повышения резкости цифровых фотографий восстанавливают края фотографий? Почему они только иногда работают? Почему они не восстанавливают изображение идеально, т.е. каковы ограничения инструментов?

Ответы [ 4 ]

6 голосов
/

Инструменты для заточки в основном имитируют резкость, преувеличивая контраст между двумя сторонами края.

например. если у вас темная поверхность на ярком фоне, вы можете сделать края более четкими, потемнев пиксели на темной стороне края и осветлив пиксели на яркой стороне края.

sharpening example

Верхняя половина - оригинальная, нижняя - заостренная. Иллюстрация из википедии , которая также имеет дальнейшее объяснение.

Инструменты повышения резкости ничего не "восстанавливают", они просто вносят небольшой вклад в те данные, которые мы им передаем.

Ограничения включают в себя:

  • Программное обеспечение может искать темные / яркие края и пропускать цветные края.
  • Если контраст между краем и фоном слишком маленький, край может быть не обнаружен.
  • Если вы включите резкость слишком сильно, «подделка» станет видимой и может быть довольно отвлекающей. См звон .
3 голосов
/

Существует большое количество методов, используемых для повышения резкости, и ограничения продолжают расширяться (ознакомьтесь с новыми инструментами для исправления размытия, вызванного дрожанием / движением - своего рода постобработанная версия IS).

Самые старые методы обычно ищут области контраста, а затем увеличивают этот контраст. Оттуда движутся алгоритмы обнаружения краев, которые ищут контрастные края и увеличивают резкость вдоль этих краев.

Ограничением всех этих инструментов является то, что вы не можете получить больше информации из изображения, чем уже есть - конечно, умные люди всегда пытаются улучшить то, как далеко мы можем получить с тем, что есть (и есть много информации в кадре с любой полу-современной камеры).

2 голосов
/

Повышение резкости - это только один из эффектов, которые могут быть достигнуты с помощью свертки , процесса, в котором значение каждого пикселя изменяется в соответствии с суммой соседних пикселей, взвешенных в соответствии с матрицей свертки Ака ядро ​​.

Ядро для повышения резкости увеличивает значение рассматриваемого пикселя и вычитает соседние пиксели. Например, ядро ​​может выглядеть так:

 0 -1  0
-1  5 -1
 0 -1  0

Это приведет к тому, что рассматриваемый пиксель будет умножен на 4, а верхний, левый, нижний и правый соседний элемент умножен на -1, а диагональные соседние элементы умножены на 0. Тогда все значения добавлены вместе. Немного трудно понять, как это работает, пока вы не вспомните, что один и тот же процесс происходит для каждого пикселя изображения.

Для иллюстрации давайте рассмотрим изображение в градациях серого, а не RGB, чтобы нам не приходилось беспокоиться о разных компонентах для каждого пикселя. (Процесс будет одинаковым для каждого компонента - нам просто нужно больше математики.) Вот значения яркости для изображения 5x5 с краем:

100 100 100 120 140
100 100 100 120 140
100 100 120 140 140
100 100 120 140 140
100 120 140 140 140

Прежде чем мы начнем, мы должны обсудить, как мы будем обрабатывать края. Есть несколько вариантов, но мы просто расширим изображение с тем же значением. Например, в верхнем правом углу мы будем использовать 120 для верхнего левого соседа и 140 для верхнего, верхнего правого, правого и нижнего правого соседей.

Применяя ядро ​​к верхнему левому пикселю в нашем образце изображения, мы имеем:

100*0  + 100*-1 + 100*0  +
100*-1 + 100*5  + 100*-1 +
100*0  + 100*-1 + 100*0  +

, который работает до 4*-100 + 5*100 = 100. Так что без изменений для этого первого пикселя. Давайте повторим процесс для всех остальных пикселей, и в результате получим ...

100 100  80 140 160
100 100  60 100 160
100 100 140 180 140
100  60 100 160 140
 80 140 180 140 140

Вы можете видеть, что значения, при которых соседние пиксели похожи, в верхнем левом и нижнем правом углах операция не вносит никаких изменений. Однако в тех случаях, когда пиксели различаются, различия усиливаются: темные пиксели становятся еще темнее, а яркие пиксели становятся еще ярче.

Вы можете сами попробовать это на реальных изображениях, если у вас есть графический редактор, который позволяет вам предоставить собственную матрицу свертки. Например, в Photoshop команда Custom Filter дает матрицу 5x5 - просто отцентрируйте нашу матрицу 3x3 на 5x5 и оставьте неиспользуемые значения пустыми, либо установите их в 0 (это тоже самое).

1 голос
/

Существует 2 основных подхода к заточке:

  1. Усиление существующих деталей
  2. Восстановление "Потерянных" деталей

На практике инструменты, используемые для одного, могут использоваться для другого.
Разница заключается в том, что для второго варианта требуется информация об изображении (либо предоставленная пользователем -> деконволюция, либо необходимая для оценки -> слепая деконволюция).

Первая семья, в основном, "Generalized High Pass".
А именно усиление высокочастотной информации изображения.
Высокочастотный компонент необходим, главным образом, для описания «прыжков», которые в мире обработки изображений являются краями.
Это идея Unsharp Mask и фильтра высоких частот.
Сегодня существуют еще более современные методы для этого в изображениях (см. Детализация топаза , Ноу-хау! Вау! Эквалайзер частоты и т. Д. ..., которые предлагают многоуровневую резкость).

Второе семейство пытается отменить эффект размытия.
Представьте, что кто-то применил к вашему изображению эффект малого радиуса Гаусса, прежде чем вы получите его в виде цифрового файла (например, как фильтр сглаживания (AA) в цифровой камере).
Теперь вы хотите выполнить обратную операцию.
Поскольку применение линейного фильтра пространственной константы является делом Донволюшн, вам нужно применить деконволюцию.
Иногда вы не знаете, какой фильтр был применен, тогда проблема становится слепой деконволюцией, и это гораздо сложнее.

В то время как первое семейство оценивается по вкусу, в качестве конечного результата нужно только сделать картинку «лучше для зрителя», второе семейство можно измерить по тому, насколько хорошо восстановленное изображение приблизительно соответствует исходному изображению.
Причин, по которым он может потерпеть неудачу, множество:

  1. Плохая оценка параметров.
  2. Соотношение плохого сигнала к шуму (изображение с шумом).
  3. Неправильная модель.

Есть некоторые продукты, которые пытаются решить эту проблему (даже Smart Sharpen в Photoshop пытается это сделать).
Пока что я не видел ничего успешного.

Добро пожаловать на сайт Фотопедия, где вы можете задавать вопросы и получать ответы от других членов сообщества.
...